连续分布的x值有如下推导过程:
x是连续的值,Pdata(x)和PG(x)是一个特定的x值的概率密度,当原始图片和生成的图片的概率密度一样的时候,生成图片生成的都是原始图片里面的图片,而且个个图片的概率密度也是相同的,不会生成其他图片。然后用一个batch采样的方法,极大似然估计的方法,使得生成图片逼近原始图片。如下图所示的算法:
上图蓝线是不同的G,分别是G1,G2,G3生成的的值,横坐标是D,纵坐标是
;
作用就是找到每个G的最大值。对于一个特定的x,当固定G,改变D(x)使得v最大时,刚好就是Pdata(x)和PG(x)的js香农熵,使得香农熵最小,就可以使得Pdata(x)和PG(x)逼近一致。在理论上,D的作用是使得JSD最大。